A) Izračunavanje povprečij številčnih podatkov.
B) Preučitev razmerja med spremenljivkami.
C) ustvarjanje vizualnih predstavitev podatkov.
D) Povzetek kategoričnih podatkov.

A) Vrsta uporabljenega statističnega testa.
B) Kako dobro se model ujema z opazovanimi podatki.
C) Število spremenljivk v modelu.
D) Velikost nabora podatkov.

A) Neodvisnost opazovanj
B) Linearnost
C) Homoskedastičnost
D) Normalna porazdelitev ostankov

A) Kadar je model preveč preprost in nima zadostne napovedne moči.
B) Kadar je model preveč zapleten in zajame šum v podatkih.
C) Ko je model ravno pravšnji in se dobro posplošuje na nepoznane podatke.
D) Kadar se model popolnoma prilega podatkom za usposabljanje, vendar je neuspešen pri novih podatkih.

A) PCA
B) ANOVA
C) Logistična regresija
D) Drevo odločanja

A) Za avtomatizacijo celotnega postopka modeliranja.
B) Natančno prileganje modela podatkom za učenje.
C) ustvarjanje novih vhodnih spremenljivk iz obstoječih podatkov za izboljšanje delovanja modela.
D) Odstranitev vseh vhodnih spremenljivk razen najpomembnejše.

A) Povzetek porazdelitve nabora podatkov.
B) Preverjanje predpostavke o linearnosti v regresijskih modelih.
C) Ocenjevanje uspešnosti klasifikacijskega modela.
D) Oceniti ustreznost logistične regresije.

A) Navzkrižno preverjanje
B) Analiza glavnih komponent
C) Regresijska analiza
D) Test Chi-kvadrat

A) Raziskovanje vzročno-posledičnih povezav.
B) Združevanje podobnih podatkovnih točk na podlagi vzorcev ali značilnosti.
C) Izris podatkovnih točk v dvodimenzionalnem prostoru.
D) Ustvarjanje enega sestavljenega merila iz več spremenljivk.